Tham khảo: Trị riêng và vector riêng trong thống kê ứng dụng - Ngô

Quang Hưng

Mô ̣t số ứng dụng của đại số tuyến tính - TS. THIỀU ĐÌNH PHONG
-KHOA SP TOÁN HỌC - TRƯỜNG ĐẠI HỌC VINH
I. Định nghĩa
1. Giá trị riêng, vector riêng của một ma trận.
* Định nghĩa.
Giả sử A, x lần lược là một ma trận vuông cấp n trên trường K. Giả sử có
số λ∈K thỏa mãn tồn tại vector x∈ K n mà x ≠ 0 thỏa mãn Ax=λx thì λ được gọi
là giá trị riêng của A, x được gọi là vector riêng tương ứng với giá trị riêng λ.
Đây là một cặp khái niệm rất quan trọng trong đại số tuyến tính và có nhiều
ứng dụng thực tế. Giá trị riêng và véc tơ riêng xuất hiện cực kỳ nhiều trong các
ngành khoa học và kỹ thuật: Vật lý(như dao động điều hòa ), Xác suất thống kê,
Khoa học máy tính, Giảm chiều dữ liệu, Lý thuyết đồ thị, Kỹ thuật nén ảnh, v.v.
2. Chéo hóa ma trận.
* Định nghĩa.
Ma trận vuông A được gọi là chéo hóa được khi và chỉ khi tồn tại ma trận P
vuông không suy biến và ma trận đường chéo D thỏa mãn P−1AP = D
3. Dạng toàn phương:
* Định nghĩa
Dạng toàn phương n biến x 1 , x 2 , x 3 … x n là một hàm bậc hai dạng:
f(x) = f( x 1 , x 2 , … , x 3 ¿=a11 x 21 +a22 x 22 +…+ ann x 2n +2 a12 x 1 x 2 +2 a13 x 1 x3 + …+2 an−1 x n−1 x n
với các hệ số a ik là các số thực và các biến x i là các biến thực.
Nếu ta ký hiệu:
x1

x=
[]
x2
…
xn
, A=¿,a ik=¿aki

chú ý A là ma trận đối xứng. Khi đó, ta có thể viết dạng toàn phương ở dạng ma
trận sau:

II. Ví dụ

1. Ví dụ một số vai trò của trị riêng và vetor riêng trong lĩnh vực thống kê
ứng dụng.
Ví dụ 1:
Với một ma trận m x n mà các vector cột của nó là các biễn ngẫu nhiên, mỗi
hàng là một quan sát biến cố của biến ngẫu nhiên đó, để tìm hiểu thông tin về
độ biến thiên của thông tin cũng như mối tương quan của các biến ngẫu nhiên
với nhau, người ta thường tính ma trận hiệp phương sai (covariance matrix) S.
Ma trận hiệp phương sai này là một ma trận vuông có kích thước n x n, các
phần tử trên đường chéo nó có giá trị bằng phương sai của từng biến ngẫu
nhiên, các phần tử hai bên đường chéo phản ánh hiệp phương sai giữa các biến.
Với ma trận hiệp phương sai này, sự phân tán của dữ liệu có thể phân tích theo
hai mức độ.
(1) Một cách sơ bộ, nếu ta tính định thức (lấy trị tuyệt đối) của ma trận hiệp
phương sai, ta sẽ có một giá trị gọi là phương sai tổng quát (tạm dịch từ
generalized variance) |S|. Giá trị này mô tả xu thế phân tán chung của n biến
ngẫu nhiên quanh các giá trị trung bình của chúng.
(2) Cụ thể hơn, nếu ta tính trị riêng và vector riêng của ma trận hiệp phương sai
S, ta sẽ xác định mức độ phân bố của dữ liệu theo các hướng của vector riêng
ứng với trị riêng của nó. Hướng nào có trị riêng lớn nhất thì dữ liệu sẽ phân bố
theo hướng đó nhiều nhất. Chú ý thêm là tổng các trị riêng sẽ bằng tổng các giá
trị trên đường chéo của ma trận S nên thông tin về phương sai sẽ được bảo toàn
khi mô tả bằng trị riêng.

Ví dụ 2:
Với m x n ở trên, nếu ta có nhu cầu mô tả khoảng cách xác suất của n biến ngẫu
nhiên đến gốc tọa độ của không gian n chiều của nó: d 2 = x T Ax trong đó x là
vector đại diện cho n biến ngẫu nhiên. Lúc này ma trận A sẽ đối xứng nên việc
tính toán khoảng cách sẽ rất tiện lợi khi sử dụng phân tích phổ (tạm dịch từ
spectral decomposition). Phân tích phổ cho phép biểu diễn ma trận A bằng một
tổng của các ma trận cơ sở và trị riêng tương ứng:
p
A=∑ λi e i e Ti
i=1

3. Ví dụ ứng dụng của giá trị riêng, vector riêng, chéo hóa ma trâ ̣n trong
dao đô ̣ng điều hòa
* Trường hợp 2 vật
Xét hai vật thể giống nhau được gắn vào các lò xo giống nhau trên mặt phẳng
không ma sát như sau:

Ở đây A và B đại diện cho vị trí cân bằng của hai vật. Giả sử x1(t) và x2(t) là
khoảng cách từ vị trí cân bằng của hai vật tại thời điểm t và k là hằng số lò xo.
Lực tác động lên vật đầu tiên có hai phần bởi Định luật Hooke: phần thứ nhất là
– kx1 do lò xo bên trái và phần thứ hai là k(x2-x1) do lò xo trung tâm. Hợp lực tác
động lên vật thứ nhất là
F 1=−k x 1+ k ( x 2−x 1) =−2 k x 1+ k x 2

Tương tự, hợp lực tác động lên vật thứ hai là:
m x '1' =−2 k x 1 +k x 2
{
m x '2' =k x1−2k x 2

Hệ này có thể được viết lại dưới dạng ma trận như sau:
x'1' −k 2 −1 x1
[]
x'2'
= [
m −1 2 x2 ][ ]
Ta tìm giá trị riêng của ma trận A= −1 [2 −1
2 ]
Nhắc lại rằng giá trị riêng của A là các giá trị λ thỏa mãn phương trình:
det( A   I)  0, trong đó I là ma trận đơn vị cùng cấp với A:
¿1
det( A   I)  2−¿−1
|¿ |
2−¿ =0  (2   )2  1  0 
¿2

[ a]
Bây giờ ta tìm các vectơ riêng tương ứng. Nếu X= b là mô ̣t vecto riêng của A
ứng với giá trị riêng 1, khi đó ta có AX=X, hoă ̣c (A−¿ I)X=0:
 [−11 −1 0 1 −1 0
 ][
1 0 0 0 0 ]
[ 1]
Suy ra a=b. Do đó 1 là một cơ sở của không gian riêng ứng với 1. Tương tự, ta

[−1]
có thể chỉ ra rằng vectơ 1 là một cơ sở của không gian riêng tương ứng với 3.

1 1 −1
[ ]
Đặt P = 2 1 1 khi đó P−1AP=D, trong đó D= 0 3 là dạng chéo hóa của ma
√ [ 1 0]
trận A. Chú ý rằng A=PD P−1, nên phương trình (*) ở trên trở thành
x'1' −k 1 1 −1 x1
[] x2'' =
m √2 1 1 [ 1 0
][ ] [
0 3
√2 1
2 −1
1
1 ][ ] x2
(**)

Bây giờ, ta xét phép đổi biến như sau:

x1 + x 2 −x1 + x 2
y 1=
√2 ; = √2
y 2

y 1− y 2 y +y
Suy ra x 1= ; x 2= 1 2
√2 √2
y '1' − y '2' y '' + y ' '
Lấy đạo hàm cấp 2 ta có x 1 ' ' = ; x2 ' ' = 1 2
√2 √2
Nên phương trình (**) ở trên trở thành
y '1' − y'2' 2 1 −3 y1
[ ] ''
y1 + y2 '' =
−w 0 [
1 3 y2 ][ ]
sau khi rút gọn. Từ đó cho ta hệ phương trình điều hòa sau:
y ''1 =−w20 y 1
{ y '2' =−3 w20 y 2

là phương trình mà chúng ta biết cách giải bằng trường hợp đơn giản ở trên của
một vật đơn gắn vào một lò xo.
Vậy, giải thích vật lý cho tất cả điều này là thế nào?
Sẽ không khó để thấy rằng có hai loại chuyển động đặc biệt mà ta có thể dễ
dàng mô tả như sau:

[ 1]
1. Ta xét lại vectơ riêng 1 ứng với giá trị riêng 1. Thực tế là các thành phần

bằng nhau cho chúng ta biết rằng x 1 và x 2 luôn bằng nhau. Do đó, hệ thống
dao động qua lại nhưng lò xo ở giữa là không bao giờ bị kéo dãn. Đó là, nếu
như chúng ta có hai vật, gắn liền với một lò xo hằng số k. Khi đó, dễ dàng
thấy rằng sau đó tần số dao động được cho bởi
k
w 0=
√ m
= √1 w0

2. Trong trường hợp của vectơ riêng thứ hai [−11] ta có x và x luôn bằng nhau
1 2

nhưng ngược hướng nhau. Như ta có thể đoán, điều này cho ta một loại chuyển
động “vào và ra”. Các tần số của hệ thống cũng có thể dự đoán trong trường
hợp này: mỗi vật được gắn vào một lò xo nén một khoảng cách x 1 và lò xo khác
kéo dãn một khoảng cách 2 x1. Đó là, nếu như vật được gắn vào một lò xo đơn
có hằng số là 3k. Chúng ta biết rằng các tần số trong trường hợp này
3k
√ m
=√ 3 w0

[−1]
Chú ý rằng 1 là một vectơ riêng ứng với giá trị riêng 3, điều này giải thích tại

sao√ 3 xuất hiện trong tuần số ở trên.

4. Ví dụ ứng dụng của dạng toàn phương
Kiến thức về dạng toàn phương là một phần rất quan trọng trong chương trình
môn Đại số tuyến tính và có rất nhiều ứng dụng thực tiễn: Ứng dụng của dạng
toàn phương trong bài toán tìm cực trị của hàm nhiều biến, trong bài toán bảo
mật thông tin, ứng dụng dạng toàn phương trong nhận dạng đường, mặt bậc hai.